版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、直復(fù)營銷即一種可以得到客戶直接回應(yīng)的營銷模式。作為企業(yè)的一項(xiàng)長期性經(jīng)營活動(dòng),直復(fù)營銷貫穿于企業(yè)發(fā)展的整個(gè)過程,因此,通常將長期收益作為評(píng)價(jià)營銷效果的指標(biāo)。近年來,隨著智能化的快速發(fā)展,越來越多的企業(yè)希望借助機(jī)器學(xué)習(xí)的力量進(jìn)行營銷決策,但是傳統(tǒng)的監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)方法在處理該問題時(shí)只能最大化單個(gè)決策的即時(shí)收益,而直復(fù)營銷需要隨時(shí)間的推移進(jìn)行連續(xù)決策,因而這兩類方法具有很大的局限性。
強(qiáng)化學(xué)習(xí)是機(jī)器學(xué)習(xí)的重要組成部分,主要用于解
2、決序貫決策問題。它通過智能體持續(xù)地與環(huán)境進(jìn)行交互,并從環(huán)境反饋的延遲獎(jiǎng)賞中學(xué)習(xí)狀態(tài)與行為之間的映射關(guān)系,以使得累積獎(jiǎng)賞最大化??紤]到直復(fù)營銷的過程也是一個(gè)序貫決策過程,并且其追求的長期收益最大化與強(qiáng)化學(xué)習(xí)累積獎(jiǎng)賞最大化的目標(biāo)不謀而合,因此,使用強(qiáng)化學(xué)習(xí)技術(shù)解決直復(fù)營銷決策問題具有天然的優(yōu)勢(shì),這是本文研究的出發(fā)點(diǎn)。另外,為了更好地適應(yīng)實(shí)際需求,本文從基于值函數(shù)的強(qiáng)化學(xué)習(xí)方法著手,針對(duì)直復(fù)營銷場(chǎng)景中營銷決策點(diǎn)間的時(shí)間間間隔不固定、數(shù)據(jù)負(fù)載大
3、導(dǎo)致學(xué)習(xí)速度慢以及客戶狀態(tài)的部分可觀測(cè)等問題,提出相應(yīng)的改進(jìn)方法,并使用仿真環(huán)境進(jìn)行評(píng)估。具體如下:
一方面,針對(duì)直復(fù)營銷場(chǎng)景中營銷決策點(diǎn)間的時(shí)間間隔不固定以及數(shù)據(jù)規(guī)模大導(dǎo)致學(xué)習(xí)速度慢這兩個(gè)問題,本文基于經(jīng)典的強(qiáng)化學(xué)習(xí)算法Q-learning進(jìn)行研究,提出了改進(jìn)的Q-learning算法。具體地,使用均值標(biāo)準(zhǔn)化的方法減少因?yàn)闆Q策點(diǎn)間時(shí)間間隔不固定而給獎(jiǎng)賞信號(hào)帶來的噪聲影響,進(jìn)而又針對(duì)Q值函數(shù)在迭代過程中因?yàn)闀r(shí)間間隔更新不同步而
4、帶來的偏差問題,構(gòu)建一個(gè)標(biāo)準(zhǔn)化因子,并仿照值函數(shù)的更新方法進(jìn)行標(biāo)準(zhǔn)化因子的更新,由此提出Interval-Q算法。接著,針對(duì)Interval-Q算法在處理大規(guī)模數(shù)據(jù)時(shí),訓(xùn)練速度慢,學(xué)習(xí)效率不高的問題,本文在Q采樣法的基礎(chǔ)上,引入時(shí)間差分(TD)偏差,提出基于TD偏差的Q采樣法。最后,通過仿真實(shí)驗(yàn)證明,本文所提的Interval-Q算法在不定期直復(fù)營銷場(chǎng)景中可以取得更高的收益,另外,基于TD偏差的Q采樣法,可以在減少采樣數(shù)量的同時(shí)達(dá)到更好
5、的學(xué)習(xí)效果。
另一方面,針對(duì)傳統(tǒng)強(qiáng)化學(xué)習(xí)算法無法有效處理直復(fù)營銷場(chǎng)景中客戶狀態(tài)部分可觀測(cè)的問題,本文基于深度強(qiáng)化學(xué)習(xí)DQN模型進(jìn)行研究,提出了基于雙網(wǎng)絡(luò)的DQN模型。具體地,首先結(jié)合營銷場(chǎng)景的時(shí)序特點(diǎn),通過使用基于RNN網(wǎng)絡(luò)的DQN模型(DQN_RNN)以學(xué)習(xí)隱狀態(tài)的方式來解決上述問題。然后,指出DQN_RNN模型在網(wǎng)絡(luò)優(yōu)化過程中不能很好地同時(shí)進(jìn)行隱狀態(tài)的學(xué)習(xí)和值函數(shù)的逼近,并結(jié)合混合模型的思想,由此提出了基于雙網(wǎng)絡(luò)的DQN模
6、型:通過RNN網(wǎng)絡(luò)從監(jiān)督數(shù)據(jù)中學(xué)習(xí)客戶的隱狀態(tài)表示方法,再將RNN網(wǎng)絡(luò)輸出的隱狀態(tài)信息作為DQN網(wǎng)絡(luò)的輸入狀態(tài)進(jìn)行強(qiáng)化學(xué)習(xí),通過這種方式可以充分發(fā)揮這兩個(gè)網(wǎng)絡(luò)各自的優(yōu)勢(shì),在提高值函數(shù)逼近效果的同時(shí)也能更好地學(xué)習(xí)隱狀態(tài)。同時(shí),為了取得更好的策略學(xué)習(xí)效果,本文從網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練方法兩個(gè)角度進(jìn)行分析,提出三種不同的模型結(jié)構(gòu):雙網(wǎng)絡(luò)獨(dú)立訓(xùn)練模型、雙網(wǎng)絡(luò)一步聯(lián)合訓(xùn)練模型和雙網(wǎng)絡(luò)兩步聯(lián)合訓(xùn)練模型。最后,通過仿真實(shí)驗(yàn)證明,本文所提出的基于雙網(wǎng)絡(luò)的DQN
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 用于強(qiáng)化學(xué)習(xí)的值函數(shù)逼近方法研究.pdf
- 基于TileCoding的函數(shù)逼近強(qiáng)化學(xué)習(xí)研究.pdf
- 徑向基函數(shù)網(wǎng)絡(luò)和實(shí)例學(xué)習(xí)在強(qiáng)化學(xué)習(xí)中的應(yīng)用.pdf
- 基于逆向強(qiáng)化學(xué)習(xí)的報(bào)酬函數(shù)構(gòu)建.pdf
- 直復(fù)營銷在我國車險(xiǎn)經(jīng)營中的應(yīng)用研究.pdf
- 基于非參函數(shù)逼近的強(qiáng)化學(xué)習(xí)算法研究.pdf
- 強(qiáng)化學(xué)習(xí)中基函數(shù)構(gòu)造方法研究.pdf
- 直復(fù)營銷在Johnnie Walker品牌推廣中的應(yīng)用研究.pdf
- 直復(fù)營銷新形式——網(wǎng)絡(luò)營銷在中國的發(fā)展研究.pdf
- 基于數(shù)據(jù)庫驅(qū)動(dòng)的直復(fù)營銷研究.pdf
- 強(qiáng)化學(xué)習(xí)中值函數(shù)逼近方法的研究.pdf
- 幾類復(fù)值函數(shù)族的性質(zhì).pdf
- 關(guān)于中國直復(fù)營銷模式的研究.pdf
- 直復(fù)營銷在中國企業(yè)的應(yīng)用研究.pdf
- 直復(fù)營銷在我國家具業(yè)的應(yīng)用研究.pdf
- 直復(fù)營銷行業(yè)中的CRM應(yīng)用研究.pdf
- 直復(fù)營銷績效管理研究.pdf
- 基于試錯(cuò)學(xué)習(xí)的強(qiáng)化學(xué)習(xí)算法的研究.pdf
- 強(qiáng)化學(xué)習(xí)算法在電力市場(chǎng)中的應(yīng)用.pdf
- 濟(jì)寧郵政直復(fù)營銷策略研究.pdf
評(píng)論
0/150
提交評(píng)論